Roboty o miękkim ciele są bardziej wydajne dzięki nowej sieci neuronowej głębokiego uczenia

Roboty o miękkim ciele są niezwykle ważnym narzędziem w szerszym zakresie robotyki, ponieważ tradycyjne i sztywne roboty nie są w stanie wykonać tych samych typów zadań. Pierwsze z nich wchodzi w interakcje z ludźmi w sposób bezpieczniejszy, a mogą one wykonywać takie czynności, jak wpasowanie się w ciasne przestrzenie. 

Jednym z głównych wyzwań związanych z robotami o miękkim ciele jest to, że muszą one wiedzieć, gdzie znajdują się wszystkie ich części ciała, aby wykonać zaprogramowane zadania, a staje się to coraz trudniejsze, ponieważ roboty o miękkim ciele mogą deformować się w niemal nieskończonych sposób.

Teraz, badacze z MIT opracowali nowy algorytm głębokiego uczenia, który pomaga inżynierom projektować roboty o miękkim ciele w taki sposób, aby mogły one gromadzić więcej danych na temat swojego otoczenia. Algorytm działa, sugerując optymalne umieszczenie czujników w ciele robota. Umożliwia to wykonanie przypisanych zadań podczas interakcji ze środowiskiem.

Alexander Amini jest współautorem badań wraz z Andrew Spielberg, obaj są doktorantami w MIT Computer Science and Artificial Intelligence Laboratory. Badania zostały opublikowane w IEEE Robotics and Automation Letters z innymi współautorami, w tym Lillian Chin, doktorantką, oraz Wojciechem Matusikiem i Danielem Rus, profesorami na uczelni.

“System nie tylko uczy się danego zadania, ale także, jak najlepiej zaprojektować robota, aby rozwiązać to zadanie”, mówi Amini. „Umieszczenie czujników jest bardzo trudnym problemem do rozwiązania. Posiadanie rozwiązania jest therefore niezwykle ekscytujące.”

https://www.youtube.com/watch?v=MSa7D0FvxqY

Roboty sztywne vs. roboty o miękkim ciele

Jedną z największych zalet robotów sztywnych jest to, że mają one ograniczony zakres ruchu, a chociaż wydaje się to wadą, oznacza to, że skończona liczba stawów i kończyn prowadzi do łatwiejszych obliczeń.

Te obliczenia są łatwiejsze do pracy, gdy chodzi o algorytmy kontrolujące mapowanie i planowanie ruchu. Roboty o miękkim ciele nie mogą zrobić tego samego, ponieważ są one giętkie.

“Głównym problemem z robotami o miękkim ciele jest to, że są one nieskończenie wymiarowe”, mówi Spielberg. “Dowolny punkt na robocie o miękkim ciele może, teoretycznie, deformować się w dowolny możliwy sposób.”

W przeszłości badacze używali zewnętrznej kamery do wykreślenia pozycji robota, która następnie była wprowadzana do programu kontrolnego robota. Nowy zespół szukał sposobu, aby stworzyć robota o miękkim ciele niezwiązanego z zewnętrzną pomocą.

“Nie możesz umieścić nieskończonej liczby czujników na samym robocie”, kontynuuje Spielberg. “Więc pytanie brzmi: Ile czujników masz i gdzie umieścić te czujniki, aby uzyskać najwięcej korzyści?”

Badacze opracowali nową architekturę sieci neuronowej, która może optymalizować umieszczenie czujników i uczyć się wykonywać zadania w sposób wydajny. Po raz pierwszy podzielili ciało robota na różne regiony zwane „cząsteczkami”. 

Sieć neuronowa użyła szybkości odkształcenia każdej cząsteczki jako danych wejściowych, a za pomocą prób i błędów sieć może nauczyć się najbardziej wydajnej sekwencji ruchów dla danego zadania. Sieć również śledzi, które cząsteczki są używane częściej niż inne, aby dane wejściowe sieci mogły być dostosowane.

Przewyższanie ludzi w umieszczeniu czujników

Sieć sugeruje umieszczenie czujników na robocie, optymalizując najważniejsze cząsteczki. W testach algorytm przewyższył ludzi, gdy chodziło o lokalizację najbardziej wydajnych miejsc do umieszczenia czujników.

Algorytm został następnie przetestowany wobec serii ekspertów.

“Nasz model znacznie przewyższył ludzi w każdym zadaniu, nawet jeśli spojrzałem na niektóre ciała robotów i czułem się bardzo pewnie, gdzie czujniki powinny się znaleźć”, mówi Amini. “Okazuje się, że istnieje wiele więcej subtelności w tym problemie, niż oczekiwaliśmy.”

Według Spielberga nowy rozwój może pomóc zautomatyzować proces projektowania robota i pomóc stworzyć nowe algorytmy do kontrolowania ruchu robota. 

“…musimy również myśleć o tym, jak będziemy sensorować te roboty i jak to będzie współgrać z innymi komponentami systemu”, mówi. “To jest coś, gdzie potrzebujesz bardzo wytrzymałego, dobrze zoptymalizowanego zmysłu dotyku. Istnieje więc potencjał dla natychmiastowego wpływu.”

“Zautomatyzowanie procesu projektowania sensorowych robotów o miękkim ciele jest ważnym krokiem w kierunku szybkiego tworzenia inteligentnych narzędzi, które pomagają ludziom w zadaniach fizycznych”, mówi Rus. “Czujniki są ważnym aspektem procesu, ponieważ umożliwiają robocie o miękkim ciele „zobaczyć” i zrozumieć świat oraz jego relację ze światem.”